tomohiro-owada/devrag
🔌 MCP 서버tomohiro-owada
sqlite-vec 기반의 경량 로컬 RAG MCP 서버로, 마크다운 문서에 대한 효율적인 의미론적 벡터 검색을 제공합니다.
DevRAG는 로컬 마크다운 기반 문서와 LLM 기반 개발 환경을 연결하기 위해 설계되었습니다. MCP(Model Context Protocol) 서버로서, 무거운 외부 벡터 데이터베이스에 의존하지 않고도 AI 어시스턴트가 로컬 파일 시스템 전체에서 의미론적 벡터 검색을 수행할 수 있게 합니다. 핵심 혁신은 SQLite 데이터베이스 내에서 직접 벡터 임베딩을 저장하고 쿼리할 수 있는 sqlite-vec을 사용하는 데 있습니다. 이 아키텍처는 성능에 최적화되어 기존 RAG 구현 대비 토큰 소비량을 최대 40배까지 절감합니다. 또한 특정 디렉토리나 파일명 패턴으로 검색 범위를 제한하는 고급 필터링 기능을 지원하여 항상 관련성 높은 컨텍스트를 제공합니다. multilingual-e5-small 모델을 사용하여 임베딩 품질과 낮은 계산 비용 사이의 균형을 맞췄으며, 코드베이스와 문서를 이해하는 프라이버시 중심의 로컬 AI 에이전트를 구축하려는 개발자에게 이상적인 도구입니다.
💡하이라이트
- ├─토큰 사용량 40배 절감
- ├─sqlite-vec 기반의 고성능 검색
- └─디렉토리 및 파일명 필터링 지원
🎯대상
- ├─AI 엔지니어
- ├─소프트웨어 개발자
- └─테크니컬 라이터